Upload
others
View
3
Download
1
Embed Size (px)
Citation preview
Teorie e modelli nelle scienze cognitive
(parte 1)
Corso di Principi e Modelli della Percezione
Prof. Giuseppe Boccignone
Dipartimento di Informatica
Università di Milano
http://boccignone.di.unimi.it/PMP_2018.html
Percezione: principi e livelli di spiegazione
Scienze
cognitive
Psicologia
cognitiva
Intelligenza
artificiale
Neuroscienze
Linguistica
Filosofia
della menteAntropologia
Percezione
Teorie e modelli nelle scienze cognitive
(parte 1)
Corso di Principi e Modelli della Percezione
Prof. Giuseppe Boccignone
Dipartimento di Informatica
Università di Milano
http://boccignone.di.unimi.it/PMP_2018.html
Percezione: principi e livelli di spiegazione
Scienze
cognitive
Psicologia
cognitiva
Intelligenza
artificiale
Neuroscienze
Linguistica
Filosofia
della menteAntropologia
Percezione
Percezione: modelli (teorie) computazionali
Scienze
cognitive
Psicologia
cognitiva
Intelligenza
artificiale
Neuroscienze
Linguistica
Filosofia
della menteAntropologia
Percezione
Teoria computazionale
Rappresentazione e algoritmi
Implementazione fisica
Probabilità & statistica
Algebra lineareSimulazioni
Teorie e modelli: filosofia della scienza
//il modello induttivo
osservazioni
esperimenti
teorie (= generalizzazioni)
predizioni
la predizione
è confermata?
la teoria è
più probabile
la teoria
è falsa
sì
no
Inferenza induttiva
Inferenza deduttiva
Percezione: modelli (teorie) computazionali
Scienze
cognitive
Psicologia
cognitiva
Intelligenza
artificiale
Neuroscienze
Linguistica
Filosofia
della menteAntropologia
Percezione
Teoria computazionale
Rappresentazione e algoritmi
Implementazione fisica
Probabilità & statistica
Algebra lineareSimulazioni
Teorie e modelli: filosofia della scienza
//il modello induttivo
osservazioni
esperimenti
teorie (= generalizzazioni)
predizioni
la predizione
è confermata?
la teoria è
più probabile
la teoria
è falsa
sì
no
Inferenza induttiva
Inferenza deduttiva
Teorie e modelli: filosofia della scienza
//il modello induttivo
osservazioni
esperimenti
teorie (= generalizzazioni)
predizioni
la predizione
è confermata?
la teoria è
più probabile
la teoria
è falsa
sì
no
Inferenza induttiva
Inferenza deduttiva
Cosa sono Teorie & Modelli
Il problema della falsificabilità
Teorie e modelli: filosofia della scienza
//il modello induttivo
teorie
predizioni
la predizione
è confermata?
la teoria è
più probabile
la teoria
è falsa
sì
no
Inferenza induttiva
Inferenza deduttiva
Teorie e modelli: filosofia della scienza
//il modello induttivo
osservazioni
esperimenti
teorie (= generalizzazioni)
predizioni
la predizione
è confermata?
la teoria è
più probabile
la teoria
è falsa
sì
no
Inferenza induttiva
Inferenza deduttiva
Cosa sono Teorie & Modelli
Il problema della falsificabilità
Teorie e modelli: filosofia della scienza
//il modello induttivo
teorie
predizioni
la predizione
è confermata?
la teoria è
più probabile
la teoria
è falsa
sì
no
Inferenza induttiva
Inferenza deduttiva
Teorie e modelli: filosofia della scienza
//il modello induttivo
• Le teorie scientifiche sono costituite da asserzioni universali (ipotesi, leggi,
principi)
• In fisica: i principi di Newton, le leggi di Maxwell dell’elettrodinamica, i principi della
termodinamica, i principi della meccanica quantistica, ecc
• In biologia: i principi dell’evoluzione
• Si arriva ad esse attraverso un processo di induzione, che parte da asserzioni singolari, cioè da resoconti dei risultati di osservazioni o esperimenti
• Problema (Hume): è giustificabile logicamente l'inferenza di asserzioni universali
da asserzioni particolari, per quanto numerose queste siano?
• dal fatto che molti cigni sono bianchi non si può concludere che "tutti i cigni sono
bianchi"
Teorie e modelli: filosofia della scienza
//il modello ipotetico-deduttivo
• logica (predicativa)
• teoria/osservazione
• leggi e “regole di corrispondenza”
• verificazione e significato empirico
la struttura di una teoria
scientifica
teoria T1 ⇒ T
2
-------⇑ ----- ⇓ ------
osservazione C → K
L1, L2, … (leggi universali)
C1, C2, … (condizioni iniziali)
----------------------------------- K
il modello
“nomologico-deduttivo”
della spiegazione
e della previsione
spiegazione (K = descrizione di un fatto già noto)
previsione (K = descrizione di un fatto
da accertare)
la crescita della scienza:
“riduzione” e “accumulazione”
Galileo
Keplero
Newton Einstein
Teorie e modelli: filosofia della scienza
//il modello induttivo
• Le teorie scientifiche sono costituite da asserzioni universali (ipotesi, leggi,
principi)
• In fisica: i principi di Newton, le leggi di Maxwell dell’elettrodinamica, i principi della
termodinamica, i principi della meccanica quantistica, ecc
• In biologia: i principi dell’evoluzione
• Si arriva ad esse attraverso un processo di induzione, che parte da asserzioni singolari, cioè da resoconti dei risultati di osservazioni o esperimenti
• Problema (Hume): è giustificabile logicamente l'inferenza di asserzioni universali
da asserzioni particolari, per quanto numerose queste siano?
• dal fatto che molti cigni sono bianchi non si può concludere che "tutti i cigni sono
bianchi"
Teorie e modelli: filosofia della scienza
//il modello ipotetico-deduttivo
• logica (predicativa)
• teoria/osservazione
• leggi e “regole di corrispondenza”
• verificazione e significato empirico
la struttura di una teoria
scientifica
teoria T1 ⇒ T
2
-------⇑ ----- ⇓ ------
osservazione C → K
L1, L2, … (leggi universali)
C1, C2, … (condizioni iniziali)
----------------------------------- K
il modello
“nomologico-deduttivo”
della spiegazione
e della previsione
spiegazione (K = descrizione di un fatto già noto)
previsione (K = descrizione di un fatto
da accertare)
la crescita della scienza:
“riduzione” e “accumulazione”
Galileo
Keplero
Newton Einstein
Teorie e modelli: filosofia della scienza
//la standard view
• Una teoria scientifica si costituisce generalmente di tre elementi:
• Un vocabolario:
• Le proposizioni costitutive di una teoria scientifica sono rappresentate da
• (1) postulati [o assiomi o proposizioni/ipotesi fondamentali/primitive o leggi teoriche],
• (2) definizioni,
• (3) teoremi [o ipotesi/proposizioni derivative].
• Un sistema di regole di collegamento delle proposizioni teoriche alle proposizioni
osservative espresse in forma di legge:
• regole semantiche (Carnap), definizioni coordinatrici (Reichenbach), definizioni operative (Bridgman), correlazioni epistemologiche (Margenau), regole di interpretazione (Northrop); e ancora, regole di trasformazione (Harré), principi ponte (Hempel), proposizioni interpretative
(Hempel); proposizione di riduzione (Carnap)
• Un modello interpretativo della teoria.
• Hempel,
• "una teoria scientifica può essere
paragonata a una complessa rete
spaziale: i suoi termini sono
rappresentati dai nodi, mentre i fili che li
connettono corrispondono, in parte, alle
definizioni e, in parte, alle ipotesi
fondamentali e derivate incluse nella
teoria. L'intero sistema naviga, per così
dire, sopra il piano dell'osservazione ed
è ancorato a quest'ultimo da regole di
interpretazione. Queste possono essere
viste come funi che non sono parte della
rete ma collegano certi punti della rete a
specifici luoghi del piano
dell'osservazione
Teorie e modelli: filosofia della scienza
//la standard view
Teorie e modelli: filosofia della scienza
//la standard view
• Una teoria scientifica si costituisce generalmente di tre elementi:
• Un vocabolario:
• Le proposizioni costitutive di una teoria scientifica sono rappresentate da
• (1) postulati [o assiomi o proposizioni/ipotesi fondamentali/primitive o leggi teoriche],
• (2) definizioni,
• (3) teoremi [o ipotesi/proposizioni derivative].
• Un sistema di regole di collegamento delle proposizioni teoriche alle proposizioni
osservative espresse in forma di legge:
• regole semantiche (Carnap), definizioni coordinatrici (Reichenbach), definizioni operative (Bridgman), correlazioni epistemologiche (Margenau), regole di interpretazione (Northrop); e ancora, regole di trasformazione (Harré), principi ponte (Hempel), proposizioni interpretative
(Hempel); proposizione di riduzione (Carnap)
• Un modello interpretativo della teoria.
• Hempel,
• "una teoria scientifica può essere
paragonata a una complessa rete
spaziale: i suoi termini sono
rappresentati dai nodi, mentre i fili che li
connettono corrispondono, in parte, alle
definizioni e, in parte, alle ipotesi
fondamentali e derivate incluse nella
teoria. L'intero sistema naviga, per così
dire, sopra il piano dell'osservazione ed
è ancorato a quest'ultimo da regole di
interpretazione. Queste possono essere
viste come funi che non sono parte della
rete ma collegano certi punti della rete a
specifici luoghi del piano
dell'osservazione
Teorie e modelli: filosofia della scienza
//la standard view
Teorie e modelli: filosofia della scienza
//Teorie vs modelli: due sensi di modello
• (1) Un modello in senso logico è qualunque struttura astratta che renda vero
un insieme di assiomi (Suppes), in cui sia definita una funzione che fa
corrispondere:
• a ogni costante e a ogni variabile del linguaggio un individuo nell’insieme O di
oggetti che costituisce il dominio della teoria
• ad ogni predicato e relazione del linguaggio opportuni sottoinsiemi di O: per esempio i predicati del linguaggio individueranno il sottoinsieme di O tale che
tutti i suoi membri soddisfano la proprietà cui corrisponde il predicato in questione (“è un gas”)
• alle relazioni binarie coppie di elementi
Teorie e modelli: filosofia della scienza
//Teorie vs modelli: due sensi di modello
• (2) Rappresentazione semplificata e astratta dei fenomeni, definita dalle leggi
di natura .
• Esempi:
• La prima legge del moto e il problema dell’attrito
• La legge della gravitazione universale, insieme alla seconda legge del moto, identificano un modello newtoniano di un sistema gravitazionale
• La legge della molla F = -kx identifica il modello del relativo sistema fisico.
• Un pendolo semplice è un modello del pendolo reale formato da un filo non-
estensibile e non soggetto ad attrito, ma i fili reali sono tutti estensibili e soggetti sia all’attrito che alla resistenza dell’aria.
• L’astrazione da qualità e da proprietà causali reali
Teorie e modelli: filosofia della scienza
//Teorie vs modelli: due sensi di modello
• (1) Un modello in senso logico è qualunque struttura astratta che renda vero
un insieme di assiomi (Suppes), in cui sia definita una funzione che fa
corrispondere:
• a ogni costante e a ogni variabile del linguaggio un individuo nell’insieme O di
oggetti che costituisce il dominio della teoria
• ad ogni predicato e relazione del linguaggio opportuni sottoinsiemi di O: per esempio i predicati del linguaggio individueranno il sottoinsieme di O tale che
tutti i suoi membri soddisfano la proprietà cui corrisponde il predicato in questione (“è un gas”)
• alle relazioni binarie coppie di elementi
Teorie e modelli: filosofia della scienza
//Teorie vs modelli: due sensi di modello
• (2) Rappresentazione semplificata e astratta dei fenomeni, definita dalle leggi
di natura .
• Esempi:
• La prima legge del moto e il problema dell’attrito
• La legge della gravitazione universale, insieme alla seconda legge del moto, identificano un modello newtoniano di un sistema gravitazionale
• La legge della molla F = -kx identifica il modello del relativo sistema fisico.
• Un pendolo semplice è un modello del pendolo reale formato da un filo non-
estensibile e non soggetto ad attrito, ma i fili reali sono tutti estensibili e soggetti sia all’attrito che alla resistenza dell’aria.
• L’astrazione da qualità e da proprietà causali reali
Teorie e modelli: filosofia della scienza
//Teorie vs modelli: due sensi di modello
• Che rapporto esiste tra modello e realtà fisica?
• C’è un qualche tipo di somiglianza (Giere 1988)
• Modelli = Rappresentazioni
• Rappresentazione: S usa il modello M per rappresentare il mondo W per lo scopo P
• C’è un qualche tipo di isomorfismo, magari parziale (realismo strutturale)
• Non c’è alcun rapporto!
Teorie e modelli: filosofia della scienza
//Modelli come rappresentazioni (Giere)
• Eterogeneità dei modelli:
• modelli teorico/formali
• modelli analogici
• modelli fisici
• modelli di scala
Teorie e modelli: filosofia della scienza
//Teorie vs modelli: due sensi di modello
• Che rapporto esiste tra modello e realtà fisica?
• C’è un qualche tipo di somiglianza (Giere 1988)
• Modelli = Rappresentazioni
• Rappresentazione: S usa il modello M per rappresentare il mondo W per lo scopo P
• C’è un qualche tipo di isomorfismo, magari parziale (realismo strutturale)
• Non c’è alcun rapporto!
Teorie e modelli: filosofia della scienza
//Modelli come rappresentazioni (Giere)
• Eterogeneità dei modelli:
• modelli teorico/formali
• modelli analogici
• modelli fisici
• modelli di scala
Teorie e modelli: filosofia della scienza
//Le teorie come insiemi di modelli (Giere)
• I call my understanding of models representational because it takes models not primarily as providing a means for interpreting formal systems, but as tools for representing the world. That is not their only function, but it is, I think, the central function of models used in empirical science.
• On my interpretation, the model/theory distinction is mainly a reflection of the extent to which a branch of inquiry is guided by broad general principles.
• Where there are such principles, as in many areas of physics and biology, the models employed often, though not always, embody these principles. Where such principles are lacking, the models employed derive principally from various mathematical techniques. In both cases, however, reasoning about the world is primarily reasoning with models.
• It is models almost all the way up.
Modelli nelle scienze cognitive e nella percezione
//complessità e livelli di spiegazione
Teorie e modelli: filosofia della scienza
//Le teorie come insiemi di modelli (Giere)
• I call my understanding of models representational because it takes models not primarily as providing a means for interpreting formal systems, but as tools for representing the world. That is not their only function, but it is, I think, the central function of models used in empirical science.
• On my interpretation, the model/theory distinction is mainly a reflection of the extent to which a branch of inquiry is guided by broad general principles.
• Where there are such principles, as in many areas of physics and biology, the models employed often, though not always, embody these principles. Where such principles are lacking, the models employed derive principally from various mathematical techniques. In both cases, however, reasoning about the world is primarily reasoning with models.
• It is models almost all the way up.
Modelli nelle scienze cognitive e nella percezione
//complessità e livelli di spiegazione
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Livelli di
spiegazione
secondo Marr
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Livelli di
spiegazione
secondo Marr
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Teoria computazionale
Rappresentazione e algoritmo
Implementazione hardware
Livelli di
spiegazione
secondo Marr
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Livelli di
spiegazione
secondo Marr
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Teoria computazionale
Rappresentazione e algoritmo
Implementazione hardware
Livelli di
spiegazione
secondo Marr
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Livelli di
spiegazione
secondo Marr
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Livelli di
spiegazione
secondo Marr
Livello psicologico
Livello neurofisiologico
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Livelli di
spiegazione
secondo Marr
Livello psicologico
Livello neurofisiologico
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Livello psicologico
Livello neurofisiologico
Modello teorico
Simulazione
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione
Modello alLivello n
ImplementazioneLivello n
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Livello psicologico
Livello neurofisiologico
Modello teorico
Simulazione
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione
Modello alLivello n
ImplementazioneLivello n
Bayesian Theory
Constraintsand
Hypotheses
Implementation Theory
T E
F
Affective state
Expressed features
Behavioural Theories &
Observations
NeuralTheories& Observations
Neuroimaging
25
• Modelli Bayesiani
Personal traits
A4Network 3Network 2Network 1
A1 A3A2
Cognitive
Behaviours
Neuralcomputations
Brainareas
Aff
ectiv
e
NC2 NC3 NC4NC1
y
e
)
d
r -
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Teorie e modelli:
//processo di depolarizzazione della membrana
Bayesian Theory
Constraintsand
Hypotheses
Implementation Theory
T E
F
Affective state
Expressed features
Behavioural Theories &
Observations
NeuralTheories& Observations
Neuroimaging
25
• Modelli Bayesiani
Personal traits
A4Network 3Network 2Network 1
A1 A3A2
Cognitive
Behaviours
Neuralcomputations
Brainareas
Aff
ectiv
e
NC2 NC3 NC4NC1
y
e
)
d
r -
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Teorie e modelli:
//processo di depolarizzazione della membrana
Teorie e modelli:
//membrana: modello di Hodgkin-Huxley
Teorie e modelli:
//membrana: modello di Hodgkin-Huxley
Teorie e modelli:
//membrana: modello di Hodgkin-Huxley
Teorie e modelli:
//membrana: modello di Hodgkin-Huxley
Teorie e modelli:
//membrana: modello di Fitzhugh-Nagumo
Teorie e modelli:
//il neurone: un modello semplificato
Teorie e modelli:
//membrana: modello di Fitzhugh-Nagumo
Teorie e modelli:
//il neurone: un modello semplificato
Il livello neurobiologico: neuroni
//un modello semplificato
d e n d r i t e : r i c e v e
i n f o r m a z i o n e d a i
neuroni e la trasmette al corpo cellulare
soma o corpo cellulare:
contiene il nucleo, con i cromosomi. Se il soma è sufficientemente eccitato dall’informazione
proveniente dai dendriti trasmette un segnale
all’assone
assone: trasmette
l’informazione dal soma alle sinapsi
Il livello neurobiologico: neuroni
//un modello semplificato
soma o corpo cellulare:
contiene il nucleo, con i cromosomi. Se il soma è sufficientemente eccitato dall’informazione
proveniente dai dendriti trasmette un segnale
all’assone
assone: trasmette
l’informazione dal
soma alle sinapsi
d e n d r i t e : r i c e v e
i n f o r m a z i o n e d a i
neuroni e la trasmette al corpo cellulare
Il livello neurobiologico: neuroni
//un modello semplificato
d e n d r i t e : r i c e v e
i n f o r m a z i o n e d a i
neuroni e la trasmette al corpo cellulare
soma o corpo cellulare:
contiene il nucleo, con i cromosomi. Se il soma è sufficientemente eccitato dall’informazione
proveniente dai dendriti trasmette un segnale
all’assone
assone: trasmette
l’informazione dal soma alle sinapsi
Il livello neurobiologico: neuroni
//un modello semplificato
soma o corpo cellulare:
contiene il nucleo, con i cromosomi. Se il soma è sufficientemente eccitato dall’informazione
proveniente dai dendriti trasmette un segnale
all’assone
assone: trasmette
l’informazione dal
soma alle sinapsi
d e n d r i t e : r i c e v e
i n f o r m a z i o n e d a i
neuroni e la trasmette al corpo cellulare
Il livello neurobiologico: neuroni
//un modello semplificato
soma o corpo cellulare:
contiene il nucleo, con i cromosomi. Se il soma è sufficientemente eccitato dall’informazione
proveniente dai dendriti trasmette un segnale
all’assone
d e n d r i t e : r i c e v e
i n f o r m a z i o n e d a i neuroni e la trasmette
al corpo cellulare
assone: trasmette
l ’ in formazione dal soma alle sinapsi
Il livello neurobiologico: neuroni
//un modello semplificato
Il livello neurobiologico: neuroni
//un modello semplificato
soma o corpo cellulare:
contiene il nucleo, con i cromosomi. Se il soma è sufficientemente eccitato dall’informazione
proveniente dai dendriti trasmette un segnale
all’assone
d e n d r i t e : r i c e v e
i n f o r m a z i o n e d a i neuroni e la trasmette
al corpo cellulare
assone: trasmette
l ’ in formazione dal soma alle sinapsi
Il livello neurobiologico: neuroni
//un modello semplificato
Il livello neurobiologico: neuroni
//la questione dei livelli
F-N
H-H
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione Livello: membrana
Il livello neurobiologico: neuroni
//la questione dei livelli
F-N
H-H
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione Livello: membrana
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione Livello: unità neurale
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione
dati sperimentali
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione Livello: unità neurale
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione
dati sperimentali
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione
dati sperimentali
Output: spike
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione
dati sperimentali
Output: spike
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Simulazione
Campionamentostocastico dell’input
“Pesatura sinaptica” e somma
Funzione a soglia
Output: spike
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
k = numero di spikes
one:
funzione di risposta neurale
spike = impulso
numero di spikes trat1 e t2
run an infinite number
firing rate
stima del firing rate
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Simulazione
Campionamentostocastico dell’input
“Pesatura sinaptica” e somma
Funzione a soglia
Output: spike
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
k = numero di spikes
one:
funzione di risposta neurale
spike = impulso
numero di spikes trat1 e t2
run an infinite number
firing rate
stima del firing rate
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
k = numero di spikes in (0,T)
numero di spikes trat1 e t2
small intervals, when
by .
could appear in this
and we place a single
length .
where
undergraduate
the Poisson probability density function. Gi
ratio constant.
the mean firing rate, the
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
0
1
2
3
4
5
6
60 80 100 120 140
Pro
ba
bil
ity
(%
)
0 20 40 60 80 100
0
1
)
A
B C
0
2
4
6
8
10
0 10 20 30 40 50 60
Pro
ba
bil
ity
(%
)
Figure 1: A. Snippet of a Poisson spike train with and msec. B. Spike count
histogram calculated from many Poisson spike trains, each of 1 sec duration with , superim-
posed with the theoretical (Poisson) spike count density. C. Interspike interval histogram calculated
from the simulated Poisson spike trains superimposed with the theoretical (exponential) interspike
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
k = numero di spikes in (0,T)
numero di spikes trat1 e t2
small intervals, when
by .
could appear in this
and we place a single
length .
where
undergraduate
the Poisson probability density function. Gi
ratio constant.
the mean firing rate, the
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
0
1
2
3
4
5
6
60 80 100 120 140
Pro
ba
bil
ity
(%
)
0 20 40 60 80 100
0
1
)
A
B C
0
2
4
6
8
10
0 10 20 30 40 50 60
Pro
ba
bil
ity
(%
)
Figure 1: A. Snippet of a Poisson spike train with and msec. B. Spike count
histogram calculated from many Poisson spike trains, each of 1 sec duration with , superim-
posed with the theoretical (Poisson) spike count density. C. Interspike interval histogram calculated
from the simulated Poisson spike trains superimposed with the theoretical (exponential) interspike